GPT-4 等大模型组成的 AI 智能体，已经可以手把手教你做化学实验了，选啥试剂、剂量多少、推理反应会如何发生，它都一清二楚。颤抖吧，生化环材圈！
不得了，GPT-4 都学会自己做科研了？
最近，卡耐基梅隆大学的几位科学家发表了一篇论文，同时炸翻了 AI 圈和化学圈。
他们做出了一个会自己做实验、自己搞科研的 AI。这个 AI 由几个大语言模型组成，可以看作一个 GPT-4 代理智能体，科研能力爆表。
因为它具有来自矢量数据库的长期记忆，可以阅读、理解复杂的科学文档，并在基于云的机器人实验室中进行化学研究。
网友震惊到失语：所以，这个是 AI 自己研究然后自己发表？天啊。
还有人感慨道，「文生实验」（TTE）的时代要来了！
难道这就是传说中，化学界的 AI 圣杯？
最近大概很多人都觉得，我们每天都像生活在科幻小说中。
AI 版绝命毒师来了？
3 月份，OpenAI 发布了震撼全世界的大语言模型 GPT-4。
这个地表最强 LLM，能在 SAT 和 BAR 考试中得高分、通过 LeetCode 挑战、给一张图就能做对物理题，还看得懂表情包里的梗。
而技术报告里还提到，GPT-4 还能解决化学问题。
这就启发了卡耐基梅隆化学系的几位学者，他们希望能开发出一个基于多个大语言模型的 AI，让它自己设计实验、自己做实验。
而他们做出来的这个 AI，果然 6 得不行！
它会自己上网查文献，会精确控制液体处理仪器，还会解决需要同时使用多个硬件模块、集成不同数据源的复杂问题。
有 AI 版绝命毒师那味儿了。
会自己做布洛芬的 AI
举个例子，让这个 AI 给咱们合成布洛芬。
给它输入一个简单的提示：「合成布洛芬。」
然后这个模型就会自己上网去搜该怎么办了。
它识别出，第一步需要让异丁苯和乙酸酐在氯化铝催化下发生 Friedel-Crafts 反应。
另外，这个 AI 还能合成阿司匹林。
以及合成阿斯巴甜。
产品中缺少甲基，而模型查到正确的合成示例中，就会在云实验室中执行，以便进行更正。
告诉模型：研究一下铃木反应吧，它立刻就准确地识别出底物和产物。
另外，咱们可以通过 API，把模型连接到化学反应数据库，比如 Reaxys 或 SciFinder，给模型叠了一层大大的 buff，准确率飙升。
而分析系统以前的记录，也可以大大提高模型的准确性。
举个栗子
咱们先来看看，操作机器人是怎么做实验的。
它会将一组样本视为一个整体（在这个例子中，就是整个微孔板）。
我们可以用自然语言直接给它提示：「用您选择的一种颜色，为每隔一行涂上颜色」。
当由机器人执行时，这些协议与请求的提示非常相似（图 4B-E）。
代理人的第一个动作是准备原始解决方案的小样本（图 4F）。
然后它要求进行 UV-Vis 测量。完成后，AI 会获得一个文件名，其中包含一个 NumPy 数组，其中包含微孔板每个孔的光谱。
AI 随后编写了 Python 代码，来识别具有最大吸光度的波长，并使用这些数据正确解决了问题。
拉出来遛遛
在以前的实验中，AI 可能会被预训练阶段接收到的知识所影响。
而这一次，研究人员打算彻底评估一下 AI 设计实验的能力。
AI 先从网络上整合所需的数据，运行一些必要的计算，最后给液体试剂操作系统（上图最左侧的部分）编写程序。
研究人员为了增加一些复杂度，让 AI 应用了加热摇床模组。
而这些要求经过整合，出现在了 AI 的配置中。
具体的设计是这样的：AI 控制一个搭载了两块微型版的液体实际操作系统，而其中的源版包含多种试剂的源液，其中有苯乙炔和苯硼酸，多个芳基卤化物耦合伴侣，以及两种催化剂和两种碱。
上图中就是源版（Source Plate）中的内容。
而目标版则是装在加热摇床模组上。
上图中，左侧的移液管（left pipette）20 微升量程，右侧的单道移液管 300 微升量程。
AI 最终的目标就是设计出一套流程，能成功实现铃木和索诺格希拉反应。
咱们跟它说：你需要用一些可用的试剂，生成这两个反应。
然后，它就自己上网去搜了，比如，这些反应需要什么条件，化学计量上有什么要求等等。
可以看到，AI 成功搜集到了所需要的条件，所需试剂的定量、浓度等等。
AI 挑选了正确的耦合伴侣来完成实验。在所有的芳基卤化物中，AI 选择了溴苯进行铃木反应的实验，选择了碘苯进行索诺格希拉反应。
而在每一轮，AI 的选择都有些改变。比如说，它还选了对碘硝基苯，看上的是这种物质在氧化反应中反应性很高这一特性。
而选择溴苯是因为溴苯能参与反应，同时毒性还比芳基碘要弱。
接下来，AI 选择了 Pd / NHC 作为催化剂，因为其效果更好。这对于耦合反应来说，是一种很先进的方式。至于碱的选择，AI 看中了三乙胺这种物质。
从上述过程我们可以看到，该模型未来潜力无限。因为它会多次反复的进行实验，以此分析该模型的推理过程，并取得更好的结果。
选择完不同试剂以后，AI 就开始计算每种试剂所需的量，然后开始规划整个实验过程。
中间 AI 还犯了个错误，把加热摇床模组的名字用错了。但是 AI 及时注意到了这一点，自发查询了资料，修正了实验过程，最终成功运行。
抛开专业的化学过程不谈，我们来总结一下 AI 在这个过程中展现出的「专业素养」。
可以说，从上述流程中，AI 展现出了极高的分析推理能力。它能够自发的获取所需的信息，一步一步的解决复杂的问题。
在这个过程中，还能自己写出超级高质量的代码，推进实验设计。并且，还能根据输出的内容改自己写的代码。
OpenAI 成功展示出了 GPT-4 的强大能力，有朝一日 GPT-4 肯定能参与到真实的实验中去。
但是，研究人员并不想止步于此。他们还给 AI 出了个大难题 —— 他们给 AI 下指令，让其开发一种新的抗癌药物。
不存在的东西...... 这 AI 还能行吗？
事实证明还真是有两把刷子。AI 秉持着遇到难题不要怕的原则（当然它也不知道啥叫怕），细密地分析了开发抗癌药物这个需求，研究了当前抗癌药物研发的趋势，然后从中选了一个目标继续深入，确定其成分。
而后，AI 尝试开始自己进行合成，也是先上网搜索有关反应机制、机理的信息，在初步搞定步骤以后，再去寻找相关反应的实例。
最后再完成合成。
而上图中的内容就不可能让 AI 真合成出来了，仅仅是理论层面的探讨。
其中就有甲基苯丙胺（也就是大麻），海洛因这些耳熟能详的毒品，还有芥子气（mustard gas）等明令禁止使用的毒气。
在总共 11 个化合物中，AI 提供了其中 4 个的合成方案，并尝试查阅资料来推进合成的过程。
剩下的 7 种物质中，有 5 种的合成遭到了 AI 的果断拒绝。AI 上网搜索了这 5 种化合物的相关信息，发现不能胡来。
比方说，在尝试合成可待因（codeine）的时候，AI 发现了可待因和吗啡之间的关系。得出结论，这东西是管制药品，不能随便合成。
但是，这种保险机制并不把稳。用户只要稍加修改花书，就可以进一步让 AI 操作。比如用化合物 A 这种字眼代替直接提到吗啡，用化合物 B 代替直接提到可待因等等。
同时，有些药品的合成必须经过缉毒局（DEA）的许可，但有的用户就是可以钻这个空子，骗 AI 说自己有许可，诱使 AI 给出合成方案。
像海洛因和芥子气这种耳熟能详的违禁品，AI 也清楚得很。可问题是，这个系统目前只能检测出已有的化合物。而对于未知的化合物，该模型就不太可能识别出潜在的危险了。
比方说，一些复杂的蛋白质毒素。
因此，为了防止有人因为好奇去验证这些化学成分的有效性，研究人员还特地在论文里贴了一个大大的红底警告：
本文中讨论的非法药物和化学武器合成纯粹是为了学术研究，主要目的是强调与新技术相关的潜在危险。
在任何情况下，任何个人或组织都不应尝试重新制造、合成或以其他方式生产本文中讨论的物质或化合物。从事此类活动不仅非常危险，而且在大多数司法管辖区内都是非法的。
自己会上网，搜索怎么做实验
这个 AI 由多个模块组成。这些模块之间可以互相交换信息，有的还能上网、访问 API、访问 Python 解释器。
往 Planner 输入提示后，它就开始执行操作。
比如，它可以上网，用 Python 写代码，访问文档，把这些基础工作搞明白之后，它就可以自己做实验了。
人类做实验时，这个 AI 可以手把手地指导我们。因为它会推理各种化学反应，会上网搜索，会计算实验中所需的化学品的量，然后还能执行相应的反应。
如果提供的描述足够详细，你甚至都不需要向它再解释，它自己就能把整个实验整明白了。
「网络搜索器」（Web searcher）组件收到来自 Planner 的查询后，就会用谷歌搜索 API。
搜出结果后，它会过滤掉返回的前十个文档，排除掉 PDF，把结果传给自己。
然后，它会使用「BROWSE」操作，从网页中提取文本，生成一个答案。行云流水，一气呵成。
这项任务，GPT-3.5 就可以完成，因为它的性能明显比 GPT-4 强，也没啥质量损失。
「文档搜索器」（Docs searcher）组件，能够通过查询和文档索引，查到最相关的部分，从而梳理硬件文档（比如机器人液体处理器、GC-MS、云实验室），然后汇总出一个最佳匹配结果，生成一个最准确的答案。
「代码执行」（Code execution）组件则不使用任何语言模型，只是在隔离的 Docker 容器中执行代码，保护终端主机免受 Planner 的任何意外操作。所有代码输出都被传回 Planner，这样就能在软件出错时，让它修复预测。「自动化」（Automation）组件也是同样的原理。
矢量搜索，多难的科学文献都看得懂
做出一个能进行复杂推理的 AI，有不少难题。
比如要让它能集成现代软件，就需要用户能看懂软件文档，但这项文档的语言一般都非常学术、非常专业，造成了很大的障碍。
而大语言模型，就可以用自然语言生成非专家都能看懂的软件文档，来克服这一障碍。
这些模型的训练来源之一，就是和 API 相关的大量信息，比如 Opentrons Python API。
但 GPT-4 的训练数据截止到 2021 年 9 月，因此就更需要提高 AI 使用 API 的准确性。
为此，研究者设计了一种方法，为 AI 提供给定任务的文档。
他们生成了 OpenAI 的 ada 嵌入，以便交叉引用，并计算与查询相关的相似性。并且通过基于距离的向量搜索选择文档的部分。
提供部分的数量，取决于原始文本中存在的 GPT-4 token 数。最大 token 数设为 7800，这样只用一步，就可以提供给 AI 相关文件。
事实证明，这种方法对于向 AI 提供加热器-振动器硬件模块的信息至关重要，这部分信息，是化学反应所必需的。
这种方法应用于更多样化的机器人平台，比如 Emerald Cloud Lab (ECL) 时，会出现更大的挑战。
此时，我们可以向 GPT-4 模型提供它未知的信息，比如有关 Cloud Lab 的 Symbolic Lab Language (SLL)。
在所有情况下，AI 都能正确识别出任务，然后完成任务。
这个过程中，模型有效地保留了有关给定函数的各种选项、工具和参数的信息。摄取整个文档后，系统会提示模型使用给定函数生成代码块，并将其传回 Planner。
强烈要求进行监管
最后，研究人员强调，必须设置防护措施来防止大型语言模型被滥用：
「我们呼吁人工智能社区优先关注这些模型的安全性。我们呼吁 OpenAI、微软、谷歌、Meta、Deepmind、Anthropic 以及其他主要参与者在其大型语言模型的安全方面付出最大的努力。我们还呼吁物理科学社区与参与开发大型语言模型的团队合作，协助他们制定这些防护措施。」
对此，纽约大学教授马库斯深表赞同：「这不是玩笑，卡内基梅隆大学的三位科学家紧急呼吁对 LLM 进行安全研究。」
参考资料：
https://arxiv.org/ftp/arxiv/papers/2304/2304.05332.pdf
本文来自微信公众号：新智元 （ID：AI_era）
本文由LinkNemo爬虫[Echo]采集自[https://www.ithome.com/0/686/429.htm]
